Skip to content

新闻雷峰网4 天前

清华徐梦迪CoRL报告:部署时验证比策略扩展更高效 ​

本文由 AI 根据公开内容整理,可能有误,请以原文为准:清华徐梦迪:预训练做再好都不够,机器人需要在部署中学习 | CoRL 2026(雷峰网)

核心内容 ​

在CoRL 2026“Learn@Deploy”研讨会上,清华大学交叉信息研究院助理教授徐梦迪发表主旨演讲,主张通用机器人不能仅依赖预训练泛化,必须具备部署时适应能力。团队发布的CoVer-VLA模型通过独立验证器对齐指令与动作,相比直接微调Pi0等策略模型,其性能提升速度快约7倍,在分布内任务提升20%,分布外任务提升10%,且验证过程在批量32时仅增加约8毫秒延迟,占整体推理耗时1%。

针对人类指令多样性与视频学习模态缺失问题,徐梦迪团队提出两项关键技术路径。ROSETTA系统利用大模型将模糊的人类口语偏好转化为强化学习奖励信号,解决非结构化指令的歧义消除难题;Dex-X工作采用教师-学生架构,以仿真器为桥梁填补人类演示视频中缺失的触觉监督信息。实验表明,引入仿真触觉反馈后灵巧操作成功率至少提升10%,验证了多模态补全对部署时技能习得的关键作用。

关键看点 ​

  • CoVer-VLA验证机制:采用对比学习训练独立验证器,部署时对改写指令与候选动作块双层打分,混合采样显著提升动作多样性与最优解命中率。
  • 推理效率量化:验证器纯离线训练,部署时并行查询开销极低,Batch Size 32下仅增加约8ms延迟,约占系统总延迟1%,实现轻量化适配。
  • 仿真触觉补全:Dex-X通过仿真环境生成接触信息作为教师信号,解决人类视频缺乏触觉的模态差距,使灵巧操作成功率提升10%以上。
  • 指令歧义消除:ROSETTA利用VLM将多样化人类自然语言偏好转化为标准化奖励信号,支持机器人在交互中动态适应个体差异与新任务需求。

工程与产业观察 ​

该研究为具身智能落地提供了高性价比工程范式:与其无限堆叠预训练参数,不如构建轻量级部署时验证与适应模块。CoVer-VLA证明了“测试时计算”在VLA对齐中的有效性,而仿真补全触觉的思路则为低成本数据采集指明方向。这对解决真实场景长尾问题、降低机器人现场调试成本具有直接参考价值。

基于本页技术方向关联的整机参数、核心零部件、实测报告与同赛道选型横评。

外部来源

本页事实对应的公开页面,以原文为准。(点击将离开本站)

  1. 雷峰网:清华徐梦迪:预训练做再好都不够,机器人需要在部署中学习 | CoRL 2026 ↗访问 2026-11-18